聯繫我

如果有任何問題或建議，歡迎隨時聯繫我：

• Email

前言

昨天結尾我留了一句話：有一大類「省錢技巧」其實是在做白工。

今天來兌現。

先問你一件事。你有沒有做過這種優化——把 prompt 裡的贅字刪一刪，「請你幫我仔細分析以下這段程式碼並且告訴我有什麼問題」改成「分析這段程式碼的問題」，覺得自己省下了不少 token？

我做過，做得很勤。然後有一天我真的坐下來算，發現那些努力大概省了帳單的 1%。

不是我算錯，是我優化錯了地方。

Claude 的計價表上有兩個數字：input 和 output。而 output 的單價是 input 的 5 倍——四個模型全部都是，一個例外都沒有。當你死命壓縮 input 的時候，你在跟那個便宜 5 倍的東西過不去。

今天這篇不背價目表。價目表會過期，但計價的結構不會——理解結構之後，就算明年價格全部改一輪，你的判斷依據依然成立。

我們要回答三個問題：

1. 為什麼 output 比 input 貴 5 倍？這個比例是隨便訂的嗎？
2. 除了 input / output，你的帳單上其實還有第三種 token——你知道嗎？
3. 知道結構之後，該優化什麼、不該優化什麼？

本篇的計價結構與倍率皆於 2026 年 8 月 8 日對照 Claude 官方 Pricing 文件 查證。絕對金額會變動，但本篇的重點是結構，不是數字。

目錄

一、那個 1:5，是四個模型的共同規律

先看一件很整齊的事：

（單位是每百萬 token 的美元，2026 年 8 月查證，比例仍是 1:5。）

四個模型、橫跨 10 倍的價格區間，output 對 input 的比例完全一致。

這種整齊不會是巧合。定價通常反映成本結構，而 1:5 這個數字穩定到這種程度，代表它反映的是某種技術上的固有差異，不是行銷策略。

那個差異是什麼？

二、為什麼 output 比較貴？因為它不能一起算

我用一個比喻。

Input 像是「閱讀」，output 像是「寫作」。

你拿到一份 50 頁的文件要讀，你可以一目十行、快速掃過，甚至同時開好幾頁對照著看。閱讀是可以平行的。

但你要寫 50 頁的報告，你只能一個字一個字寫。而且每寫一個字，你都得先看過前面已經寫了什麼——第 3000 個字要寫什麼，取決於前面 2999 個字。寫作是嚴格序列的，沒辦法平行。

模型的處理方式，本質上就是這個差別：

• 處理 input：整段 prompt 可以在一次運算中平行處理完，硬體（GPU）能吃滿。
• 生成 output：必須逐個 token 產生（這叫自迴歸生成，autoregressive generation），每產生一個 token 就要跑一次完整的模型前向運算，而且下一個 token 得等這一個算完才能開始。

所以同樣一百萬個 token，「讀進去」和「寫出來」消耗的運算資源天差地遠。

這裡我要誠實標記一下： 上面這套「因為自迴歸生成無法平行化，所以 output 成本較高」的解釋，是業界對 LLM 推論成本結構的普遍理解，也是我自己的推論。Anthropic 官方文件只公布價格，並沒有說明定價背後的成本歸因。所以請把這段當成「一個能幫你建立直覺的合理模型」，而不是官方認證的事實。

但有一件事是官方明載、可以放心當依據的：1:5 這個比例在所有模型上一致。不論成因為何，這個比例是你可以拿來做決策的穩定基礎。

這個直覺一旦建立，你的優化順位就會自動排好：

同樣省下一千個 token，省在 output 上的價值，是省在 input 上的 5 倍。

三、你的帳單上其實有第三種 token

大部分人以為只有 input 和 output 兩種。實際上還有第三類——而且它的單價比 input 便宜 10 倍。

Prompt Caching（提示快取） 讓重複出現的內容以極低價計費：

看懂這張表，你就懂了整個成本優化的地形：

從 0.1× 到 5×，中間有 50 倍的落差。 你的每一個 token 落在哪一格，決定了你的帳單。

而快取的損益兩平點也很好算：5 分鐘版本寫入要 1.25×、讀取只要 0.1×，所以只要被讀到一次就開始回本；1 小時版本寫入 2×，要被讀到兩次才划算。

（Prompt Caching 的完整用法與陷阱，是 Day 9 的主題。）

還有第四種折扣——Batch API 對 input 和 output 一律打 5 折，而且可以跟快取疊加。條件是你得接受非即時處理。這是 Day 10。

四、兩個容易被漏算的東西

計價結構還有兩個地方，新手幾乎一定會漏：

① 你的工具定義（tools）是 input token。

你在請求裡帶的 tools 參數——工具名稱、描述、JSON schema——全部算 input。而且只要你帶了工具，API 還會自動加上一段系統提示來啟用工具功能，這段也算你的。以 Opus 5 為例，光是這段自動加的系統提示就要 286 個 token（tool_choice 設成 any 或指定工具時是 406 個）。

十個工具的 schema 加起來輕鬆破千 token，而且每一次請求都要重付一遍。

② thinking tokens 算 output。

這個更關鍵。模型「思考」產生的內容，是以 output 價格計費的——也就是那個 5× 的價位。

而在 adaptive thinking 之下（Day 1 提過，新世代三個模型都是這種），模型自己決定要想多久。你沒有直接的開關，只有 effort 這個間接的油門。

所以會發生這種事：兩個看起來一模一樣的請求，一個花了 200 個 output token，另一個因為模型多想了一輪而花了 3000 個。你的成本變異，很大一部分藏在思考量裡，而不是在你寫的 prompt 裡。

（怎麼用 effort 控制這件事，是 Day 14。）

五、所以，哪些優化是白工？

回到開頭那個承諾。

❌ Before：優化了半天，帳單紋風不動

# 花了 20 分鐘把 prompt 從 120 字精簡到 80 字
prompt = "分析這段程式碼的問題"          # 省下約 40 個 input token

response = client.messages.create(
    model="claude-opus-5",
    max_tokens=4096,                      # 沒動
    messages=[{"role": "user", "content": f"{prompt}\n\n{code}"}],
)
# 輸出：一篇 2000 token 的詳盡分析（你只想看重點）

✅ After：改優化真正貴的那一端

prompt = "分析這段程式碼的問題，用條列式列出最嚴重的 3 個，每點一句話"

response = client.messages.create(
    model="claude-opus-5",
    max_tokens=500,                       # 上限拉下來，避免失控
    messages=[{"role": "user", "content": f"{prompt}\n\n{code}"}],
    output_config={"effort": "medium"},   # 降低思考量（thinking 算 output）
)
# 輸出：一篇 200 token 的重點清單

對照一下這兩段。Before 省了 40 個 input token，換算成本幾乎看不到。After 省了 1800 個 output token，而 output 單價是 input 的 5 倍——兩者的效益差了兩百多倍。

而且 After 版本裡真正做事的是三個地方：要求輸出格式與長度（直接壓 output）、設定 max_tokens 上限（設一道防線）、調降 effort（壓思考量，那也是 output）。

一句話總結：省 input 是省小錢，省 output 才是省大錢。

當然，input 完全不用管嗎？也不是。有兩種情況 input 會變成主角：當你的 input 極大時（塞了整份文件、整個 repo），以及當同一段 input 被重複送很多次時（那就該用快取，讓它從 1× 掉到 0.1×）。這兩個場景分別是 Day 5 和 Day 9。

六、你的帳單其實是三個數字相乘

最後給你一個框架，它會貫穿接下來整個第二階段。

任何一筆 Claude 帳單，都可以拆成三個乘數：

總成本  =  單價   ×   每次用量   ×   呼叫次數
          (哪一格)    (多少 token)   (跑幾遍)

三個乘數，各有各的優化手段，而且它們是相乘的——這代表每一項的改善都會被另外兩項放大。

為什麼要把它拆成三個？因為大部分人只優化其中一個，而且通常是最沒效益的那個。

回頭看開頭那個「刪 prompt 贅字」的例子：它動的是「每次用量」裡最小的那一塊（input 的措辭）。而同樣是動用量，改成壓 output 長度，效益就是 5 倍；改成降 effort 少想幾輪，效益可能是 10 倍。

更重要的是：三個乘數是相乘的。 假設你在單價上省一半（換模型）、用量上省一半（壓 output）、次數上省一半（加結果快取）——最後不是省 50%，是 省到剩下八分之一。

這也是為什麼我把第二階段排了七天。它不是七個獨立技巧，是三個乘數的完整地圖。

一個具體的數字感

官方文件裡有個現成的例子可以借用：用 Haiku 4.5 處理一萬筆客服工單，平均每則對話約 3,700 token，總成本大約 37 美元。

拿這個當基準往上推——同樣一萬筆，如果換成 Fable 5（10× 單價），大約是 370 美元。如果又沒有用快取共用那段分類規則，input 那一塊還會再往上翻。

同一批工作，同樣的結果，差距落在完全不同的量級。 而差別只在你有沒有看懂這三個乘數。

本篇自我挑戰

• 今日挑戰：找出你最近寫的一支 Claude 呼叫，回答三個問題——① 你的 max_tokens 設多少？是經過思考的數字，還是隨手打的 4096？② 你的 prompt 有沒有指定輸出長度或格式？③ 如果沒有，模型平均回你多長？

  然後做一個實驗：在原本的 prompt 後面加一句「用不超過 5 個條列點回答，每點一句話」，比對前後的 usage.output_tokens。這是一分鐘就能做完、而且效果最直接的優化。

• 反思：為什麼我們會反射性地去優化 input，而不是 output？我自己的答案是——input 是我寫的，output 不是。 我們天生比較願意管自己能直接控制的東西，而 output 感覺是「模型的事」。但事實上，output 一樣是你可以控制的，只是要透過指令而不是直接編輯。你有沒有其他「只優化自己看得到的部分」的習慣？

總結

今天我們沒有背價目表，而是把計價的結構拆開來看。

三件事值得帶走。第一，output 的單價是 input 的 5 倍，而且四個模型比例完全一致——這個比例穩定到可以當成長期的判斷依據。第二，你的帳單上其實有一整條光譜，從快取命中的 0.1× 到 output 的 5×，中間橫跨 50 倍，每個 token 落在哪一格才是重點。第三，thinking tokens 算 output，而在 adaptive thinking 下模型自己決定想多久——這是最容易失控、也最容易被忽略的一塊成本。

所以優化的順位很清楚：先管 output，再管重複的 input，最後才輪到精簡措辭。 那些花二十分鐘刪贅字的努力不是錯，只是排在最後一位。

本日關鍵字回顧

• 1:5 計價比例：所有 Claude 模型的 output 單價皆為 input 的 5 倍，跨模型一致。
• 自迴歸生成（Autoregressive generation）：output 逐 token 序列產生、無法平行化，這是理解 output 為何較貴的直覺模型（業界普遍理解，非官方定價說明）。
• Prompt Caching：快取命中僅收 0.1× input 價，5 分鐘版本被讀一次即回本。
• Thinking tokens：模型思考所產生的 token，以 output 價計費，在 adaptive thinking 下由模型自行決定用量。
• 工具定義成本：tools 參數與其自動附加的系統提示皆計入 input，且每次請求重複計費。
• 三個乘數：總成本 = 單價 × 每次用量 × 呼叫次數。三者相乘，各自的改善會被彼此放大。

明天我們回到選模型這件事。官方說「不確定就從 Opus 5 開始」——但 Opus 5 既不是最便宜的、也不是最強的，憑什麼是它？這個建議背後有一套關於錯誤成本的推理，而且它跟今天算的帳直接相關。

Day 3，我們拆解官方的預設建議。